<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Моделі машинного навчання для раннього виявлення аритмій за ЕКГ

Скорочена інформація про документ
dc.contributor.authorМатеуш, В. С.uk
dc.contributor.authorMateush, V. S.en
dc.titleМоделі машинного навчання для раннього виявлення аритмій за ЕКГuk
dc.date.issued2026
dc.publisherВНТУuk
dc.identifier.citationМатеуш В. С. Моделі машинного навчання для раннього виявлення аритмій за ЕКГ // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2026/paper/view/27659.uk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2026/paper/view/27659
dc.identifier.udc616.12-073.7:004.8
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54673
dc.subjectЕКГuk
dc.subjectаритміяuk
dc.subjectмашинне навчанняuk
dc.subjectглибоке навчанняuk
dc.subject1D‑CNNen
dc.subjectвалидаціяAbstractThis paper reviews machine learning and deep learning approaches for early arrhythmia detection fromelectrocardiographic signals Classical feature‑based models and modern deep architectures for 1D ECG areen
dc.subjectECGen
dc.subjectarrhythmiaen
dc.subjectmachine learningen
dc.subjectdeep learningen
dc.subjectvalidationen
dc.typeThesis
dc.language.isouk_UAuk_UA
dc.relation.referencesGoldberger A. L., Amaral L. A. N., Glass L. et al. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation. 2000. Vol. 101, No. 23. P. e215–e220. DOI: 10.1161/01.CIR.101.23.e215.en
dc.relation.referencesMoody G. B., Mark R. G. The impact of the MIT-BIH arrhythmia database. IEEE Engineering in Medicine and Biology Magazine. 2001. Vol. 20, No. 3. P. 45–50. DOI: 10.1109/51.932724.en
dc.relation.referencesWagner P., Strodthoff N., Bousseljot R.-D. et al. PTB-XL, a large publicly available electrocardiography dataset. Scientific Data. 2020. Vol. 7. Article 154. DOI: 10.1038/s41597-020-0495-6.en
dc.relation.referencesKiranyaz S., Ince T., Gabbouj M. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks. IEEE Transactions on Biomedical Engineering. 2016. Vol. 63, No. 3. P. 664–675. DOI: 10.1109/TBME.2015.2468589.en
dc.relation.referencesAcharya U. R., Fujita H., Oh S. L. et al. Application of deep convolutional neural network for automated detection of myocardial infarction using ECG signals. Information Sciences. 2017. Vol. 415–416. P. 190–198. DOI: 10.1016/j.ins.2017.06.027.en
dc.relation.referencesHannun A. Y., Rajpurkar P., Haghpanahi M. et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network. Nature Medicine. 2019. Vol. 25, No. 1. P. 65–69. DOI: 10.1038/s41591-0180268-3.en
dc.relation.referencesRajpurkar P., Hannun A. Y., Haghpanahi M., Bourn C., Ng A. Y. Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks. arXiv:1707.01836. 2017.en
dc.relation.referencesClifford G. D., Azuaje F., McSharry P. E. Advanced Methods and Tools for ECG Data Analysis. Artech House. 2006.en
dc.date.accessioned2026-09-24T08:54:02Z
dc.date.available2026-09-24T08:54:02Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
27659.pdf
Розмір:
216,46 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

НТКП ВНТУ. Факультет інформаційних електронних систем (2026)